AI로 작업 시간이 단축되었음에도, 협업 개선은 17%에 그친 이유 | Anthropic 증언

📺 이 기사는 YouTube 채널 きなこもっちー의 테크 심층 분석 영상 해설 글입니다.

▶️ 영상 보러 가기 → AI로 7할이 시간을 단축해도, 협업 개선은 고작 17%인 이유 | Anthropic 증언

🐹🦜 이 기사에 등장하는 두 캐릭터

• 🐹
  모찌 (햄스터)… AI는 아직 공부 중. "그거 무슨 뜻이에요?"라고 순수하게 질문하는 학생 역할 - 🦜
  키나코 (사랑앵무새)… AI로 조사하는 것을 처리하는 해설 역할. 부드럽게 심층 분석하며 가르치는 선생님 역할

이 기사는 두 캐릭터의 대화를 받아 적은 형식입니다. 발언 맨 앞에 있는 이모티콘 + 이름이 화자입니다.

🐹 모찌: "있잖아 키나코, AI로 프로그래밍을 하게 되면서 개발자들은 모두 엄청 편해진 것 같지 않아?"

🦜 키나코: "그게 말이야, 흥미로운 데이터가 있어. AI 덕분에 작업 시간이 줄었다고 답한 개발자는 약 7할이나 된대."

🐹 모찌: "7할! 그럼 대성공이잖아! 역시 AI님 최고다!"

🦜 키나코: "그런데 말이야, 같은 조사에서 'AI 덕분에 팀의 협업이 좋아졌다'고 답한 사람은... 고작 약 17%였어."

🐹 모찌: "에? 17퍼센트!? 아까 그 7할은 다 어디 간 거야…!"

🦜 키나코: "효율은 올랐는데, 팀의 느낌(손맛)은 전혀 따라오지 못하고 있는 거야. 게다가 말이야, 이걸 AI 코딩 분야의 본고장인 곳에서 스스로 인정하고 있어."

🐹 모찌: "본고장이란, 혹시 Anthropic? 만드는 쪽에서 외롭다고 하면, 엄청 무거운 얘기잖아…"

🦜 키나코: "응. Claude Code를 이끄는 책임자가 '이건 고독한 경험이 될 수 있다'라고 털어놨대."

🐹 모찌: "왜 그렇게 되는 거야…? 효율은 오르는데 고독하다니, 이해가 안 돼."

🦜 키나코: "오늘은 말이야, AI로 효율은 올랐지만 개발자가 외로워지는 이유와, Anthropic 스스로 시작한 대책까지 끝까지 보여줄게."

🦜 키나코: "자, 본론으로 들어갈게. 이 '고독'이라는 단어는 외부 비평가가 아니라, AI 코딩의 한가운데서 뛰고 있는 당사자가 자신의 입으로 털어놓은 말이야."

🐹 모찌: "당사자라니, 즉 만드는 쪽 내부 사람이라는 거야? 누가 그런 말을 했어?"

🦜 키나코: "피오나 폰(Fiona von) 씨. Anthropic에서 Claude Code와 Cowork라는 개발팀을 이끌고 있는 엔지니어링 책임자야."

🐹 모찌: "에, 잠깐만. Cowork? 그거 나 처음 들어보는데…"

🦜 키나코: "대충 말하면, 팀원 모두가 AI와 함께 일하기 위한 새로운 근무 방식의 시스템이야. 오늘은 그건 깊이 다루지 않을 테니, 이름만 머릿속 한구석에 넣어두면 돼."

🦜 키나코: "어쨌든, AI 코딩을 세계에서 가장 진지하게 진행하고 있는 회사의 바로 중심에 있는 사람이야. 그 폰 씨가 스스로 '고독'이라는 단어를 사용한 거야."

🐹 모찌: "그 사람이 직접 말한다고!? 엄청 밀어붙이는 본인이 고독하다고 인정해도 돼?"

🦜 키나코: "거기가 대단한 점이야. Lenny's Podcast라는 프로그램에서, 폰 씨가 자신들의 팀에 대해 이렇게 털어놨대."

🦜 키나코: "시간이 지나면 이건 고독한 경험이 시작될지도 모른다고 느꼈다는 거야."

🦜 키나코: "모두가 AI 에이전트와만 작업하게 되면서 말이야. 이건 전해 들은 이야기가 아니라, 폰 씨 본인이 한 말이야."

🐹 모찌: "우와… 정말 실감이 나는 말이네. 단순한 일반론이 아니라, 실제로 몸으로 느낀 거구나."

🦜 키나코: "그리고 여기가 아주 중요한 부분이야. 폰 씨가 말하는 고독은, 코드 리뷰가 사라졌다 같은 기술적인 이야기를 가리키는 게 아니야."

🦜 키나코: "개개인이 AI 에이전트와만 마주하게 되면서, 인간끼리 함께 생각할 시간 자체가 줄어든 것—그게 고독의 정체인 거야."

🐹 모찌: "근데 잠깐만. AI랑만 작업해서 고독하다고 하는데, 그만큼 효율은 엄청 올라가고 있잖아?"

🦜 키나코: "응, 바로 그 부분이 역설이야. 다음에 나올 효율 수치는 네 상상보다 훨씬 클 텐데—하지만 그 크기야말로 나중에 고독의 미스터리를 더 깊게 만드는 거야."

🐹 모찌: "있지, 고독 같은 소리 했지만, 효율은 제대로 올라가고 있잖아? 봐봐, 역시 AI는 편리하잖아! 다들 쓰는 게 당연한 거잖아!"

🦜 키나코: "응, 효율이 오르는 건 사실이야. 2025년 Stack Overflow 개발자 조사라는 응답자가 4만 9천 명이 넘는 대규모 조사가 있었는데, 그 약 80%가 AI 도구를 사용하고 있대."

🐹 똬치ー: “80퍼센트!? 다섯 명 중 네 명이나잖아! 이제 안 쓰는 개발자가 더 희귀하다는 뜻이네. 정말 많이 침투했구나!”

🦜 키나코: “맞아. 게다가, 그냥 사용만 하는 정도가 아니야. AI 에이전트를 사용하는 사람들 중 약 70%가 작업에 걸리는 시간이 실제로 줄었다고 체감하고 있대.”

🦜 키나코: “그것뿐만이 아니라, 약 69%가 자신의 생산성이 높아졌다고 답했어. 사용 비율도, 시간 단축도, 생산성도 모두 상당히 높은 수치들이지.”

🐹 똬치ー: “시간 단축도, 생산성도 완벽하잖아! 뭔가 좋은 일만 가득이네. 야근도 줄고, 개발자들은 다 행복해진 거겠네?”

🦜 키나코: “그렇게 생각하기 쉽지. 하지만 여기서 한 가지 알아줬으면 하는 게 있어. 방금 나온 수치들을 자세히 보면, 전부 개개인의 효율에 대한 이야기거든.”

🐹 똬치ー: “개인적인? 아니, 효율은 효율이잖아. 한 명이 빨라지면, 그만큼 팀 전체도 빨라지지 않아? 뭔가 차이가 있어?”

🦜 키나코: “그게 핵심이야. AI는 개개인의 작업을 확실히 아주 빠르게 해줘. 하지만 사람과 사람 사이에서 발생하는 정보의 조율(すり合わせ)까지는 대신해 주지 못하거든.”

🦜 키나코: “코드를 쓰는 건 빨라져도, ‘왜 이렇게 만들었는지’를 동료에게 전달하거나 함께 고민하며 결정하는 시간은 AI가 채워줄 수 없어. 여기가 효율과는 별개의 영역이야.”

🐹 똬치ー: “음~ 하지만 말이야, 개개인의 효율이 올라가고 있으니, 더해서 생각하면 결국 팀 전체도 다 행복해지지 않아?”

🦜 키나코: “그게…… 다음에 보여줄 단 하나의 수치로 그 기대가 산산조각 나. 효율과는 정반대인, 좀 믿기 힘든 결과가 나오고 있거든.”

🦜 키나코: “자, 그럼 아까 이어서 다음 수치를 알려줄게. 효율이 높아진 건 확실한데, 같은 조사에서 ‘AI가 팀의 협업을 좋게 했다’에 동의한 사람은…… 겨우 약 17%였대.”

🐹 똬치ー: “17%… 아까 그 70%는 어디 간 거야! 효율이 높아졌다는 이야기는 대체 어디로 사라진 거야!”

🦜 키나코: “그게 말이야, 조사 항목들 중에서 이 협업 개선만 최하위거든. 개인의 효율화는 그렇게 체감되는데, 모두가 함께 좋아졌다는 체감만 유독 낮은 거지.”

🐹 똬치ー: “왜 거기만 그렇게 차이가 나는 거야? 편리해졌다면, 팀도 좋아질 것 같은데.”

🦜 키나코: “이유는 말이야, AI가 올려주는 게 ‘개인의 작업 속도’이기 때문이야. 혼자 쓰는 속도는 빨라져도, 사람과 사람이 함께 생각하는 시간 자체는 늘려주지 못하거든.”

🦜 키나코: “게다가 이 17%, 정확히는 17.1%로, AI 에이전트를 능숙하게 사용하는 사람들에게 한정된 수치야. 가장 많이 쓰는 사람조차도 협업이 좋아졌다고 말할 수는 없다는 뜻이야.”

🐹 똬치ー: “사용하는 사람이 오히려 그렇게 느끼는 건가… 뭔가 오싹하네.”

🦜 키나코: “그림자가 드리워진 게 협업만은 아니야. AI의 정확성을 신뢰하지 않는 개발자는 46%. 작년의 31%에서 단지 1년 만에 크게 늘었어.”

🐹 똬치ー: “사용하는 사람은 늘어나는데, 신뢰는 떨어지고 있다니, 완전히 반대잖아!”

🦜 키나코: “맞아. 편리하지만, 무조건 믿을 수는 없다는 걸 모두가 몸으로 느끼고 있어. 그래서 다음 수치로 이어지는 거야.”

🦜 키나코: “답변에 자신을 가질 수 없을 때, 75%—정확히는 75.3%의 사람이 ‘AI가 아니라 다른 사람에게 묻는다’고 답했어.”

🐹 똬치ー: “사람에게 묻는 게 75%라… 결국 마지막 순간에는 AI만으로는 부족하다는 거네.”

🦜 키나코: “정리해 줄게. 개인의 효율은 높아졌는데, 협업도, 신뢰도, 학습(学び)도 뒤처지고 있어. 효율화의 이면에서, 사람과 사람이 연결되는 부분만 쇠퇴하고 있는 거지. 이게 아까 느꼈던 위화감의 정체야.”

🐹 똬치ー: “‘뒤처지다’라… 효율만 쫓아가다 보면, 알아차리지 못한 채 지나가 버리는 거네.”

🦜 키나코: “그 학습 부분에 대해서는 연구에서도 조짐이 보이고 있어. 인간의 페어 프로그래밍(pair programming)과 AI를 비교했을 때, AI의 제안은 검토하지 않고 받아들이기 쉬우며, 되묻지 않고 넘어가는 경우가 2배 이상 많았대.”

🦜 키나코: “게다가 이 ‘학습의 장이 줄어드는’ 흐름은 젊은 엔지니어의 고용 데이터에도 이미 나타나고 있어. 다음엔 그걸 볼 거야—‘AI가 일자리를 빼앗았다’는 결론, 좀 멈춰서 생각해볼 이유도 있거든.”

🐹 똬치ー: “잠깐만, 아까 젊은 개발자가 20%나 줄었다고 했잖아. 이미 답이 나온 거잖아, AI가 젊은 사람들의 일을 통째로 빼앗았다고! 무조건 그렇지!”

🦜 키나코: “그렇게 생각하기 쉽지. 나도 처음에는 완전히 똑같이 생각했어. 하지만 데이터를 하나하나 신중하게 살펴보면, 이야기가 좀 더 복잡하고 흥미로운 형태로 전개되고 있거든.

🦜 키나코: 스탠퍼드 AI Index에 따르면, 22세에서 25세 개발자의 고용은 2024년부터 약 2할이나 줄었어. 그런데 이상하게도, 26세 이상의 세대는 오히려 계속 늘고 있네.

🐹 못치: 어? 모든 연령대가 다 같이 줄어드는 게 아니잖아... 젊은 세대만 텅 비어버린 거야?

🦜 키나코: 게다가 개발자 채용 공고 자체는 이전 해보다 오히려 늘어난 정도야. 그러니까 일자리가 사라진 게 아니라, 압축되거나 형태가 재정의되었다고 보는 게 더 정확해.

🐹 못치: 그렇구나. 일이 통째로 없어진 게 아니라, 큰 가게에서 신입이 앉을 의자만 확 줄어든 느낌이네.

🦜 키나코: 응, 그 비유 정말 좋다. 의자는 줄었어도, 방 자체가 사라진 건 아니잖아. 그럼 다음으로, 사람을 줄인 기업들이 그만큼 돈을 더 벌었는지 한번 보자.

🦜 키나코: Gartner가 2026년 5월에 발표한 조사에 따르면, 임원의 8할이 실제로 인력을 감축했어. 그런데 가장 많이 감축한 회사의 수익은, 별로 감축하지 않은 회사와 거의 차이가 없었어.

🐹 못치: 에? 그렇게 줄여도 돈을 못 벌었다고!? 그럼 대체 뭘 위해 사람을 줄인 거야... 의미 없잖아!

🦜 키나코: 맞아. 감축으로 생긴 예산 여유가, 약속되어 있던 이익으로는 전혀 바뀌지 않았어. 이건 Gartner 자신이 분명히 말하고 있는 내용이야.

🦜 키나코: 개인의 효율성도 사실 좀 의심스러워. METR이라는 단체의 2025년 실험에 따르면, 숙련된 개발자가 AI 도구를 사용했을 때 오히려 작업이 19% 느려졌대.

🐹 못치: 잠깐만, RCT가 뭐야? 또 갑자기 어려운 말이 나와서 머리가 복잡해지네...

🦜 키나코: 무작위 대조 시험(Randomized Controlled Trial)의 줄임말이야. 조건을 제대로 갖추고 그 효과를 공정하게 측정하기 위한 실험이라고 생각하면 돼.

🦜 키나코: 흥미로운 건, 그 개발자들은 작업 전에 24% 빨라질 거라고 예상했고, 작업을 마친 후에도 20% 빨라졌다고 착각했대. 그런데 실제 측정한 결과는 정반대였어.

🐹 못치: 효율이 올랐다고 생각했는데, 사실은 느려졌다는 거야! 감각이랑 현실이 완전히 반전이잖아, 뭘 믿어야 할지 모르겠네!

🦜 키나코: 다음에서 그 모순을 정리해서 풀어볼게. 고독감과 이 생산성의 착각은, 거슬러 올라가 보면 사실 같은 하나의 원인에서 비롯된 거야.

🦜 키나코: 아까 본 세 가지 수치를 한번 떠올려 봐. 협업이 좋아졌다고 답한 건 17%, 젊은 인력의 고용은 2할 감소, 숙련자는 AI로 오히려 느려졌다는 거. 별개 이야기처럼 보이지?

🐹 못치: 음... 머릿속이 복잡해진다. 효율은 올라갔을 것 같은데, 왜 전부 따로 노는 느낌일까?

🦜 키나코: 사실 이 세 가지는 뿌리가 모두 같아. AI 에이전트와 혼자 작업하는 시간이 늘어난 만큼, 어떤 것이 확 줄었거든. 그게 세 가지 모두의 원인이야.

🐹 못치: 어떤 것? 예전엔 당연히 있었는데, 지금은 사라진 거? 뭘까 그거?

🦜 키나코: 페어 프로그래밍(Pair Programming)이나 코드 리뷰는 사실 애자일 개발(Agile Development) 시절부터 '함께 만들면 질이 올라간다'고 중요하게 여겨져 온 문화야. 그게 확 줄어버린 거야.

🐹 못치: 아... 확실히 말해 듣고 보니 그렇네. 누군가와 함께 고민하는 시간은 별것 아닌 것 같지만 중요한 거잖아. 답만 받으면 뭔가 몸에 배지 않는 느낌이 들어.

🦜 키나코: 바로 그거야, 못치. 지금 네가 말한 '함께 고민하면 몸에 배는다'는 건 제대로 된 이름이 있어. 지식 이전(Knowledge Transfer)이라고 해.

🐹 못치: 지식 이전! 뭔가 똑똑해 보이는 단어인데, 결국은 보는 것, 기억하는 것, 서로 가르쳐주는 거잖아?

🦜 키나코: 맞아. 말로 표현하기 어려운 노하우, 암묵지(Tacit Knowledge)는 함께 손을 움직이는 과정에서만 전달돼. AI와 둘이 있으면, 그 주고받음 자체가 일어나지 않는 거야.

🐹 못치: 아...! 그런 거구나! 그럼 아까의 17%도 젊은 인력 2할 감소도, 전부 '함께 생각하는 시간'이 사라졌다는 똑같은 이야기였던 거야!

🦜 키나코: 응, 그게 전부 연결되는 부분이야. 젊은 인력이 2할 줄어든 건, 선배 옆에서 배우며 자랄 장소가 약해졌기 때문이고. 협업이 17%로 낮은 것도, AI는 개인을 빠르게 하더라도 팀으로 배우는 시간은 늘려주지 않기 때문이야.

🦜 키나코: 숙련자가 오히려 느려진 것도 근본적으로 같아. 혼자 AI를 계속 확인하다 보면, 사람에게 물어보는 순간의 확인에도 시간이 걸리는 거야. 고독감의 정체는 여기에 있어.

🐹 못치: 그렇구나...! 원인이 알았으니, 이제는 어떻게 고칠지에 대한 이야기만 남았네!

🦜 키나코: 맞아요. 게다가 '고독해질 수 있다'고 스스로 인정한 원조 Anthropic이 이미 대책을 시작하고 있대요. 다음엔 그걸 봐야 해요—돈은 안 들면서도 제대로 효과가 있는 대책이에요.

🦜 키나코: 고백하자면, 저도 처음에는 대책이라는 말에 새로운 시스템을 만드는 거대한 이야기일 거라고 경계했었어요. 그런데 Von 씨 팀이 한 건, 놀라울 정도로 일상적인 아이디어였어요.

🐹 똬치: 일상적인 아이디어라니 의외다. 도대체 뭘 한 거야?

🦜 키나코: Von 씨 팀은 고립에 대한 대책으로 프로그래밍 점심(programming lunch), 해커톤, 그리고 공유 메이커 타임이라는 세 가지 활동을 시작했대요.

🐹 똬치: 에? 점심? 밥 먹으면서 같이 코딩하는 거? 특별한 도구 아니잖아, 엄청 일상적이네! 이거 우리도 할 수 있겠다!

🦜 키나코: 네, 일상적인 거예요. 목표는 엔지니어가 가까이서 작업하면서 서로의 AI 사용법이나 사소한 노하우를 자연스럽게 보고 배울 수 있게 하는 거예요. 고립을 환경 설계로 막으려고 하는 거죠.

🐹 똬치: 아—옆 사람한테, 그 사용법 어떻게 하고 있어?라고 바로 물어볼 수 있는 분위기를 만든다는 거야?

🦜 키나코: 그런 거예요. 사실 Von 씨 본인이 그 효과를 명확하게 말하고 있어요. 페어 프로그래밍을 하면 실제로 서로에게서 많은 것을 배울 수 있다고.

🐹 똬치: 그렇구나. AI랑 단둘이 있으면, 요리를 혼자 조용히 만들고 있어서 옆의 노하우를 훔칠 기회가 없는 느낌인가. 효율만 보고 있으면 알아차리지 못하는 함정이네.

🦜 키나코: 맞아요. 하지만 이건 효율을 포기하고 옛날로 돌아가는 퇴행적인 이야기가 아니에요. 협업 17%를 의지론으로 올리려고 하는 것도 아니고요.

🦜 키나코: AI로 빠르게 할 수 있는 작업은 계속 맡겨서 속도를 높여요. 그 위에, 사람과 함께 생각하고 배우는 시간을 의도적으로 설계에 남겨두는 것. 이 양립이야말로 핵심이에요.

🐹 똬치: 효율 아니면 고독, 둘 중 하나를 골라야 한다고 생각했는데... 아, 설계에 따라 둘 다 할 수 있구나! 뭔가 희망이 생겼다!

🦜 키나코: 맞아요. 효율과 고립은 양자택일이 아니에요. 협업을 제대로 설계에 남길 수 있는지 여부—거기가 분기점이에요. 이게 오늘 답이에요.

🐹 똬치: 그렇구나, AI에게 맡기는 시간과 사람과 함께 생각하는 시간을 제대로 나누어 설계해야 하는 거네.

🦜 키나코: 맞아요. 그리고 마지막으로, 이건 사실 엔지니어들만의 이야기가 아니에요—왜 그렇게 단정할 수 있는지 그 이유를 이야기해 드릴게요.

🦜 키나코: 마지막으로 가장 중요한 데이터가 하나 더 있어요. AI의 답을 완전히 믿을 수 없을 때, 결국 다른 사람에게 묻는 개발자가 무려 75%나 되었다고 해요.

🐹 똬치: 에? AI가 그렇게 편리한데, 4명 중 3명은 결국 사람에게 의지하는구나. 주인도 AI에게 물어보기 전에 가끔 우리한테 한마디 상담하면 좋을 텐데 말이야.

🦜 키나코: 맞아요. 효율이 아무리 올라가도, 사람과 연결되어 함께 확인하고 싶다는 수요는 제대로 남아 있어요. 여기가 오늘의 희망이에요.

🐹 똬치: 오늘 이야기를 내 방식으로 정리해 볼게. 우선 AI로 개인의 효율이 높아진 건 틀림없이 진짜였지.

🦜 키나코: 응. 하지만 그 이면에서 팀의 협업도, 젊은 세대의 학습도 줄어들고 있었어요. 원인은 전부 인간끼리 함께 생각하는 시간이 사라졌다는 단 한 가지예요.

🦜 키나코: 그래서 답은 간단해요. AI에게 맡기는 시간과 사람과 함께 생각하는 시간을 의도적으로 설계로 나누어 남겨두는 것. 효율과 고립은 애초에 양자택일이 아니에요.

🐹 똬치: 나도 오늘 완전히 납득했다. AI도 많이 쓰겠지만, 역시 사람과 이야기하는 게 중요하구나.

🦜 키나코: 그래서 당신에게도 물어보고 싶어요. 당신의 현장에서는 AI가 늘어나면서 협업은 줄었나요? 아니면 오히려 늘었나요? 꼭 댓글로 알려주세요.

🦜 키나코: 사실 이 AI와 인간의 협업을 어떻게 설계할지에 대한 이야기는, AI 에이전트를 실제 시스템에 통합하는 현장에서도 같은 벽에 부딪히고 있는데... 그건 또 다른 영상에서요.

🐹 똬치: 우와, 그거 엄청 궁금한데! 다음도 기대하고 있을게.

🔗 다른 해설 영상도 보기 → 키나코모찌의 테크 깊이 파기 영상 목록